尽管物联网只是最近才成为一种“东西”,但业内人士都很清楚,几十年来,制造业一直在收集大量数据。但随着连通性和分析能力的提高,真正掌握数据所提供的功能已成为越来越接近的现实。
预测分析及其实现预测而非反应性维护的能力是制造商的一大改变。施耐德电气软件公司信息、资产和运营软件副总裁Rob McGreevy指出,施耐德电气一直非常重视优化企业资产绩效管理(APM),其Avantis PRiSM是这一努力的最新成果,捕获所有高保真的过程数据,以诊断资产健康状况。
Avantis PRiSM预测分析监测关键资产的实时运行状况和性能,以预测设备故障或衰减点。人工智能、先进的模式识别和复杂的数据挖掘提供的功能可以降低维护成本,提高可用性、可靠性和容量。
Avantis PRiSM可以在设备故障预警之前的几天、几周或几个月提供预警通知和诊断,而传统的维护实践可能会忽略这些故障预警。
上个月,在达拉斯举行的施耐德电气2015 Wonderware大会上,McGreevy向行业媒体和分析师表示:“这一产品的价值非常高。”“93%的客户报告过设备故障。”
例如,在一个案例中,一家公用事业公司的蒸汽模型涡轮机遇到了零星的问题;这种情况不断升级,最终导致该单位关闭进行纠正措施。但是在完成维护之后,除了新的问题之外,一个类似的零星问题循环又开始了。
用Avantis PRiSM分析机组的原始历史数据,很明显,如果这种工具到位,可以提供早期预警,涡轮机热膨胀问题正在发展,并在一年中成为慢性问题。通过建模练习,该工具能够在故障发生前6个月通过早期预警检测故障模式。该模型表明,轴承振动是一个症状,而热膨胀问题是问题的主要原因。在热膨胀问题导致轴承振动问题和机组停机之前,积极的补救维护就可以纠正热膨胀问题。
这样不仅可以避免大量的维护成本,而且公用事业公司还可以通过增加机组可用性来增加销量。在这种情况下,估计节省了数百万美元——这是避免了35天的停机时间和相关维修成本的结果。